超球结构支持向量机的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景与研究意义 | 第12页 |
| ·国内外研究进展以及现状 | 第12-14页 |
| ·论文研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 背景知识 | 第17-26页 |
| ·统计学习理论 | 第17-19页 |
| ·VC维 | 第17-18页 |
| ·经验风险最小化 | 第18-19页 |
| ·支持向量机 | 第19-24页 |
| ·线性支持向量机 | 第19-22页 |
| ·非线性支持向量机 | 第22-24页 |
| ·支持向量机分类算法的优点与缺点 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 超球结构支持向量机 | 第26-43页 |
| ·核模糊C-均值聚类 | 第26-28页 |
| ·基于隶属度的样本预选取 | 第28-29页 |
| ·实验结果分析 | 第29-31页 |
| ·超球结构多类支持向量机 | 第31-39页 |
| ·δ-超球结构多类支持向量机 | 第32-36页 |
| ·映射密集型核函数 | 第36-37页 |
| ·超球重叠区域判断算法 | 第37-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·实验数据介绍 | 第39-40页 |
| ·实验结果分析 | 第40-42页 |
| ·本章小节 | 第42-43页 |
| 第四章 基于δ-超球结构支持向量机的协同入侵检测 | 第43-49页 |
| ·协同入侵检测模型 | 第43-45页 |
| ·数据预处理 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·论文主要工作与贡献 | 第49页 |
| ·对下一步的思考 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间发表的论文 | 第55-57页 |
| 致谢 | 第57页 |
